> 来源：Useful AI Lab（实用 AI / Useful AI）— https://usefulai.cloud/insights/claude-code-one-year/
> 作者：CarryChang · 最近更新：2026-07-30 · 语言：zh-CN

[实用 AI 指南](https://usefulai.cloud/) › [深度阅读](https://usefulai.cloud/insights/)

Claude
Boris Cherny
Cat Wu
Agent

# Claude Code 一周年复盘：工程师开始指挥 Agent 队伍

Claude Code 发布一周年，Anthropic 找来负责人 Boris Cherny 和产品负责人 Cat Wu 复盘。这期访谈信息密度很高，我认为其中最值钱的一条不是「Agent 树」的规模叙事，而是一个不起眼的小习惯：把每次犯错写回 CLAUDE.md。规模的故事听起来更振奋，但决定这套系统能不能长期跑下去的，恰恰是这个容易被忽略的细节。

### 从单 Agent 到 Agent 队伍：这段叙事我持怀疑态度

一年前 Boris 把 demo 发到 Slack，只有两个人点反应，Cat 委婉地说"简单任务还不错"。一年后，Boris 不再只和一个 Agent 对话，而是让 Agent 提示 Agent，分叉成一棵上千节点的树。控制台从"我写代码"变成"**调度一群会写代码的执行者**"。

> 现在我有一支 Agent 军队在做事，一个 Agent 提示另一个 Agent，像一棵有上千个 Agent 的树。 — — Boris Cherny

**我的看法：**「上千节点的 Agent 树」这个数字很抓耳朵，但我觉得它更适合当发布会金句，不适合当能力指标。节点数量本身不代表任何产出质量——一千个 Agent 里如果有一半在重复犯同一个错，规模反而是负债。真正值得记录的信息藏在下一段，Boris 自己也承认了这一点：让规模真正有意义的，不是树有多大，而是错误有没有被写回去。

**图解 16**：
从一个 Agent 到一棵 Agent 树，以及让经验留下来的那个回路
（适合：工程师向）

左边是规模的变化，右边才是关键：**Agent 犯错时不要只说「下次别这样」，而是让它把新规则写回 CLAUDE.md 或沉淀成 skill**。这一步把一次性的纠错变成**下一轮 Agent 能继承的组织记忆**——工具用一次，经验留一层。规模能撑起来的前提是这个回路真的在转，否则一千个节点只是把同一个错误犯一千遍。

### 错误写回 + 真实运行验证：这才是全篇真正的干货

Boris 的核心习惯：Claude 每次犯错，不告诉它"下次别这样"，而是让它把新规则写进 CLAUDE.md 或沉淀成 skill。**同一个错误变成下一轮 Agent 能继承的组织记忆**，工具用一次，经验留一层。

我把这条排在全篇第一，是因为它是唯一一个「不需要相信 Anthropic 的规模叙事」就能直接照搬的方法——不管你手上是一个 Agent 还是一千个，这个习惯都成立，而且成本几乎为零。相比之下，前面「Agent 树」的故事更依赖 Anthropic 的资源和场景，普通团队复制起来门槛高得多。

> 每次 Claude 犯错，我不会告诉它下次别这样；我会让它写进 CLAUDE.md，或者做成一个技能。 — — Boris Cherny

验证也要往前走：不是单测、lint，而是**真的跑起来、触发功能、看到出错再修复**。验证能力直接决定授权范围——能跑起环境、复测边界的 Agent，才值得把注意力节省下来。

### Everyone codes 与 Routines：听起来很美，但我想问一句谁在兜底

Anthropic 内部最有冲击感的变化是 **everyone codes**：PM、设计师、财务都在 Claude Code 里直接改系统，卡在排期里的改动开始被离用户最近的人直接推动。

> Claude 写代码后，更重要的是你有什么想法；有产品、业务、设计和用户上下文，你会提出更好的想法。 — — Cat Wu

Cat 最兴奋的是 **routines**：监听所有 ticket、GitHub issue、bug report，Claude 主动捡起来修、开 PR、再 ping 给他。入口每上移一层，人从执行细节里再释放一层——技能之上，真正稀缺的是想法。

但这里我想追问一句这次访谈没问的：PM 和财务写的代码，谁来 review？谁为线上事故负责？Cat 说的是「有产品、业务、用户上下文的人会提出更好的想法」，这句话本身没错，但「提出好想法」和「对改动的后果负责」是两件不同的事，访谈把它们悄悄划了等号。如果没有一个明确的责任归属机制，everyone codes 很容易变成「everyone commits，few own」。

### Auto Mode 与 Context Minimalism：这条我完全同意

Boris 现在最常用 **Auto Mode**：不再盯每一步工具调用，启一个 Claude 就转去下一个。团队认为反而更安全——不会被"几乎都该点 yes"的请求淹没，注意力得以精确分配。

> 当你会接受 99% 的请求时，人的眼睛会自然失焦；Auto Mode 让你只关注最重要的那一小部分。 — — Boris Cherny

Boris 与 Cat 都是 **context minimalist**：只给最少的 system prompt 和工具，再给一种拉取上下文的方式，让模型自己完成探索。不要把 Agent 当助手放在流程旁边——**要让流程本身围着它重排**。这条我没有异议，「注意力精确分配」和「让流程围着 Agent 重排」是这篇访谈里少数经得起推敲、且跟公司规模无关的通用建议。

#### Anthropic 说了什么

- 从单 Agent 对话到上千个 Agent 的树

- 每次犯错写回 CLAUDE.md 或 Skill

- PM、设计师、财务都在写代码——"everyone codes"

- Routine 自动监听 Issue 并开 PR

#### 原视频

观看 Boris Cherny 与 Cat Wu 的完整一周年复盘，了解 Agent 如何进入组织流程。

[▶ 观看复盘](https://www.youtube.com/watch?v=Hth_tLaC2j8)

#### 我的评论

- 「上千节点 Agent 树」是抓耳朵的数字，不是能力指标

- 错误写回 CLAUDE.md 才是真正可复制的方法，成本几乎为零

- Everyone codes 没回答清楚：谁为改动的后果负责

- Context minimalism 这条我完全认同，跟公司规模无关

## 继续阅读

[如何从零构建你自己的大语言模型：GPT 和 Claude 背后的 5 阶段流水线 → 所有前沿模型都由同样的五个阶段构建：数据 → 预训练 → 监督微调 → 奖励建模 → 强化学习。学会这套骨架，你就不会再把模型当作魔法。](https://usefulai.cloud/insights/how-llms-are-built/)
[Anthropic 工程师：我们日常如何使用 Claude Code → 用一个真实 repo 演示 Anthropic 工程师怎样配置 Claude Code、让它问问题、生成 HTML 规格稿，再把验证流程做进 React 组件和浏览器。](https://usefulai.cloud/insights/anthropic-how-we-use-claude-code/)
[深度阅读 → 6 篇 AI 长文的完整中文解读：Claude Code、Skill、Agent、大模型原理。](https://usefulai.cloud/insights/)